在大脑皮层中，不同脑区的神经元对外界输入的响应时间尺度有着显著差异，且响应时程大致随着脑区的层级增加而变长。具体而言，在视觉皮层等感知觉脑区，神经元的反应时间尺度较快，使其能够快速响应外界的输入信号；而在前额叶皮层等高级认知脑区，神经元的反应时间尺度较慢，使其能够在积累充分的信息输入之后再做出重要决策。时间尺度层级化现象在近期多个研究小鼠、猕猴、以及人脑的神经科学实验室中均被观察到，被认为是大脑网络动力学的一个重要特点。然而，由于大脑中的神经连接十分稠密，这将容易导致各脑区的响应时间尺度趋于一致，因此时间尺度层级化现象背后的数学机制并不显然，至今仍未研究清楚。
本工作首先给出时间尺度层级化现象的数学定义，即该现象在数学上等价于大脑网络连接矩阵的部分特征向量的局域化特性。随后，利用微扰理论分析了基于最新猕猴大脑结构数据的脑网络动力学模型，并证明特征向量的局域化与大脑皮层的三个性质密切相关：1)不同脑区中神经元的兴奋特性具有异质性和层次性，2)兴奋性和抑制性神经元群体的电生理特性有显著不同，3)每个脑区接收到的长程投射的兴奋性输入和局部投射的抑制性输入满足细致平衡条件。本工作为大脑皮层中时间尺度层级化现象的产生提供了定量的数学机制解释，并提出了可在实验上被检验的若干理论预测，对理解脑网络的结构特点如何支持其动力学性质和功能具有重要意义。
本工作由上海交通大学的李松挺教授和纽约大学的汪小京教授合作完成，第一作者为李松挺教授，通讯作者为李松挺教授和汪小京教授。工作得到了国家自然科学基金委、科技部、上海市科委和James Simons Foundation等基金支持。
论文链接：https://www.pnas.org/content/119/6/e2110274119
